会议专题

单多类SVM的指纹分类

机器学习的实现方法大致分为三类,分别为经典的(参数)统计方法、经验非线性方法和统计学习理论(Statistical learning theory),它是研究小样本统计估计和预测的理论,以VC维来描述机器的学习能力,并发展出了一系列关于统计学习的一致性,收敛速度,泛化性能等重要的结论.而SVM(support vector machine)是在统计学习理论(SLT)的基础上发展起来的一种机器学习方法,并且适合有限样本(小样本)问题分类问题,并且在很大程度上解决了传统方法中存在的问题.SVM对指纹的分类提供了有效的检索机制,Shesha Shah对指纹的分类作了较为深入的研究,提出了一种HMM与SVM相结合的新型的判决方法,提出了基于SVM的两级指纹分类研究,通过对粗细两级指纹的分类器的构造,取得了较好的泛化能力.本文利用SVM理论,构造了组合多类SVM和单类SVM两类多值分类器对5类指纹进行分类,对其产生的试验结果进行了分析,其效果还是可以接受的。

机器学习 支持向量机 指纹分类 有限样本 多值分类器

马保锋 杨凡 王群霞

浙江师范大学信息科学与工程学院,金华,321004

国内会议

第六届中国Rough集与软计算学术研讨会(CRSSC”2006)

浙江金华

中文

217-221

2006-10-30(万方平台首次上网日期,不代表论文的发表时间)